Peking University（北京大学）

Proof-RM: A Scalable and Generalizable Reward Model for Math Proof

Proof-RM: 一种可扩展且通用的数学证明奖励模型

Haotong Yang, Zitong Wang, Shijia Kang, Siqi Yang, Wenkai Yu, Xu Niu, Yike Sun, Yi Hu, Zhouchen Lin, Muhan Zhang

机构 * Peking University, Beijing, China（北京大学，北京，中国） 纠错

AI总结 Proof-RM通过构建可扩展的数据管道和训练证明检查奖励模型，提升LLM在数学证明验证中的准确性和泛化能力。

Comments Under review

DeepQuark: A Deep-Neural-Network Approach to Multiquark Bound States

DeepQuark: 一种用于多夸克束缚态的深度神经网络方法

Wei-Lin Wu, Lu Meng, Shi-Lin Zhu

机构 * School of Physics, Peking University, Beijing 100871, China（北京大学物理系） ； School of Physics, Southeast University, Nanjing 211189, China（东南大学物理系） ； School of Physics（物理系） ； Center of High Energy Physics, Peking University, Beijing 100871, China（北京大学高能物理中心） 纠错

AI总结 DeepQuark通过深度神经网络方法高效处理多夸克束缚态，展现出在核子、四夸克和五夸克系统中的优越性能，为探索非微扰QCD提供了新工具。

Comments 17 pages, 7 figures, 9 tables. Version published in PRL

Journal ref Phys. Rev. Lett. 136, 071901 (2026)

PartRAG: Retrieval-Augmented Part-Level 3D Generation and Editing

PartRAG：基于检索的分层3D生成与编辑

Peize Li, Zeyu Zhang, Hao Tang

机构 * King’s College London（伦敦国王学院） ； Peking University（北京大学） 纠错

AI总结 PartRAG通过整合外部部分数据库和扩散变换器，实现基于检索的分层3D生成与编辑，提升多视角一致性和局部编辑能力。

M2F: Automated Formalization of Mathematical Literature at Scale

M2F：大规模数学文献的自动化形式化

Zichen Wang, Wanli Ma, Zhenyu Ming, Gong Zhang, Kun Yuan, Zaiwen Wen

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Huawei Technologies（华为技术有限公司） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） 纠错

AI总结 M2F通过端到端自动化形式化框架，在三周内将教科书转化为Lean库，实现96%的证明成功率。

StereoAdapter-2: Globally Structure-Consistent Underwater Stereo Depth Estimation

StereoAdapter-2: 基于全局结构一致性的水下立体深度估计

Zeyu Ren, Xiang Li, Yiran Wang, Zeyu Zhang, Hao Tang

机构 * The University of Melbourne（墨尔本大学） ； Peking University（北京大学） ； Australian Centre for Robotics（澳大利亚机器人中心） 纠错

AI总结 StereoAdapter-2通过引入基于选择性状态空间模型的ConvSS2D操作符，实现了高效的水下立体深度估计，提升了水下基准测试的性能。

RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation

RoboGene: 通过多样性驱动的代理框架提升VLA预训练以生成现实任务

Yixue Zhang, Kun Wu, Zhi Gao, Zhen Zhao, Pei Ren, Zhiyuan Xu, Fei Liao, Xinhua Wang, Shichao Fan, Di Wu, Qiuxuan Feng, Meng Li, Zhengping Che, Chang Liu, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； The School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Beijing Institute of Technology（北京理工大学） ； The School of Mechanical Engineering and Automation, Beihang University（北航机械工程与自动化学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

AI总结 RoboGene通过多样性驱动的代理框架生成多样化、物理合理的机器人操作任务，提升VLA预训练效果。